登录 | 注册 | 充值 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
基于模拟退火的自适应粒子群优化算法的改进策略
  • 摘要

    针对PSO算法在求解问题的优化问题中易陷入局部收敛且收敛速度较慢等缺陷,引入一种初始化改进策略,并将模拟退火算法与PSO算法相结合,提出了一种全新的算法.该算法将寻优过程分为两个阶段:为了提高算法的执行速度,前期使用标准PSO算法进行寻优,后期运用模拟退火思想对PSO中的参数进行优化搜索最优解.最后将该算法应用于八个经典的单峰/多峰函数中.模拟结果表明,该算法有效地避免了早熟收敛现象,并提高了收敛速度,从而提高了PSO算法解决全局优化的性能.

  • 作者

    于海平  刘会超  吴志健  YU Hai-ping  LIU Hui-chao  WU Zhi-jian 

  • 作者单位

    武汉科技大学城市学院信息工程学部,武汉,430083/武汉大学软件工程国家重点实验室,武汉430072;黄淮学院计算机学院,河南驻马店463000/武汉大学软件工程国家重点实验室,武汉,430072

  • 刊期

    2012年12期 ISTIC PKU

  • 关键词

    粒子群优化算法  模拟退火  函数优化 

参考文献
  • [1] 高磊. 一种动态非线性改变惯性权的自适应粒子群优化算法. 科学技术与工程, 2011,17
  • [2] KENNEDY J;EBERHART R C. Particle swarm optimization. Piscataway,NJ:IEEE Press, 1995
  • [3] CHEN Feng;SUN Xin-xin;WEI Da-li. Tradeoff strategy between exploration and exploitation for PSO. Piscataway,NJ:IEEE Press, 2011
  • [4] PANT M;RADHA T;SINGH V P. Particle swarm optimization using Gaussian inertia weight. 2007
  • [5] BONABEAU E;DORIGO M;THERAULAZ G. Swarm intelligence:from natural to artificial system. New York:Oxford Univeristy Press, 1999
  • [6] CLERC M. The swarm and the queen:towards a deterministic and adaptive particle swarm optimization. 1999
  • [7] KENNEDY J;EBERHART R C. A discrete binary version of the particle swarm algorithm. Piscataway,NJ:IEEE Press, 1997
  • [8] SHI Yu-hui;EBERHART R C. Empirical study of particle swarm optimization. Piscataway,NJ:IEEE Service Center, 1999
  • [9] NOROUZZADEH M S;AHMADZADEH M R;PALHANG M. Plowing PSO:a novel approach to effectively initializing particle swarm optimization. 2010
  • [10] 康立山;谢云. 非数值并行算法(第一册)模拟退火算法. 北京:科学出版社, 1997
  • [11] 纪震;廖惠连;吴青华. 粒子群算法及应用. 北京:科学出版社, 2009
  • [12] KROHLING R A. PSO-E:particle swarm with exponential distribution. 2006
查看更多︾
相似文献 查看更多>>
54.91.41.87